Машинное обучение: от технической базы до создания ИИ-продукта

Karpov.courses и AI Talent Hub от ИТМО — практикоориентированная программа обучения ML-инженеров. Вы освоите продуктовый подход, решая реальные бизнес-задачи, получите опыт работы с ML-сообществом и менторскую поддержку. Курс подходит для любого уровня и помогает начать или прокачать карьеру в Data Science и машинном обучении.

• Начнём с основ программирования, научимся писать код на Python и освоим библиотеки для анализа данных и Machine Learning (Машинного обучения). Изучим работу с БД и разберемся, как с помощью SQL-запросов получать информацию для моделей. Поговор
• Познакомимся с классическими алгоритмами машинного обучения. Рассмотрим всё — от простых линейных моделей до градиентного бустинга (метода последовательного усиления моделей) на решающих деревьях. Научимся настраивать разные параметры ИИ и оце
• Упакуем наши модели для последующего переиспользования. В этом модуле вы научитесь разрабатывать веб-сервисы с использованием FastAPI (инструмента для разработки программных интерфейсов). Познакомитесь с тем, как создать программный интерфейс
• Глубинное обучение и нейронные сети позволяют решать задачи, в которых классические модели бессильны: распознавание лиц, детекция объектов на изображениях, генерация осмысленного текста. Разберем популярные архитектуры нейросетей, научимся при
• Познакомитесь с основными концепциями DevOps (разработки, внедрения и сопровождения программных решений) и MLOps (практиками внедрения и сопровождения моделей машинного обучения). На практике научитесь создавать автоматизированные пайплайны (к
• На курсе от ИТМО и karpov. courses вы пройдете весь путь создания ML-продукта от базовой идеи до питчинга (защиты проекта) перед всем миром. Научитесь формулировать бизнес-задачи на язык машинного обучения, поймете, чем прототип отличается от
• Рассмотрим основные понятия теории вероятностей и математической статистики. Научимся проводить A/B-тесты и достоверно оценивать влияние ML-моделей на продукт и бизнес. Обсудим подводные камни проведения экспериментов и способы оценки метрик в